AdaTrendLike：用趋势似然做时间序列异常检测
热点事件持续更新
AdaTrendLike：用趋势似然做时间序列异常检测
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Van Kwan Zhi Koh 等作者提出时间序列异常检测框架 AdaTrendLike，直接估计趋势似然来判断异常。框架用 AdaDetrending 自适应分解趋势与去趋势分量，用 TrendEst 建模趋势分布、TrendLike 计算异常分数；去趋势分量经快速傅里叶变换与复值卷积神经网络学习正常周期模式，并提供特征级可解释性。 作者称，在五个公开基准数据集上，AdaTrendLike 持续优于当前最优（SOTA）的时间序列异常检测方法。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
AdaTrendLike：面向时间序列异常检测的自适应分层去趋势与趋势似然评分报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIAdaTrendLike：面向时间序列异常检测的自适应分层去趋势与趋势似然评分
AdaTrendLike 是一个直接估计趋势似然来做时间序列异常检测（TSAD）的框架，通过 AdaDetrending 自适应分解趋势与去趋势分量，并用 TrendEst 建模趋势分布、TrendLike 计算异常分数。去趋势分量经快速傅里叶变换与复值卷积神经网络学习正常周期模式，框架还提供特征级可解释性。在五个公开基准数据集上，AdaTrendLike 持续优于 SOTA 的 TSAD 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。